Извлечение и классификация признаков из набора данных окулографии методами машинного обучения
Аннотация
Выпускная квалификационная работа магистра 89 стр., 44 рис., 34 источников, 2 прил.
OCULOGRAPHY, EVENT DETECTION, EYE MOVEMENTS, MACHINE LEARNING, FIXATIONS, SACCADES, INTERVAL THRESHOLD, ИЗВЛЕЧЕНИЕ ПРИЗНАКОВ, КЛАССИФИКАЦИЯ, АНОМАЛИИ, RFE
Целью данного исследования является анализ методов машинного обучения для извлечения и классификации признаков из наборов данных окулограмм для повышения точности диагностики дислексии.
Объектом исследования является обнаружение различных событий движения глаз из данных окулограммы, включая прогрессивные и регрессивные движения глаз, фиксации, саккады и типы полей зрения.
В исследовании изучается использование пороговых алгоритмов и методов кластеризации на основе аномалий для идентификации этих событий.
В исследовании используется стратифицированная перекрестная валидация и рекурсивный отбор признаков для выбора наиболее значимых признаков для моделей машинного обучения, а также изучается вариативность рекурсивного отбора признаков на основе точности предсказания и вероятности извлечения признаков.
OCULOGRAPHY, EVENT DETECTION, EYE MOVEMENTS, MACHINE LEARNING, FIXATIONS, SACCADES, INTERVAL THRESHOLD, ИЗВЛЕЧЕНИЕ ПРИЗНАКОВ, КЛАССИФИКАЦИЯ, АНОМАЛИИ, RFE
Целью данного исследования является анализ методов машинного обучения для извлечения и классификации признаков из наборов данных окулограмм для повышения точности диагностики дислексии.
Объектом исследования является обнаружение различных событий движения глаз из данных окулограммы, включая прогрессивные и регрессивные движения глаз, фиксации, саккады и типы полей зрения.
В исследовании изучается использование пороговых алгоритмов и методов кластеризации на основе аномалий для идентификации этих событий.
В исследовании используется стратифицированная перекрестная валидация и рекурсивный отбор признаков для выбора наиболее значимых признаков для моделей машинного обучения, а также изучается вариативность рекурсивного отбора признаков на основе точности предсказания и вероятности извлечения признаков.